| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 三维重建算法概述及研究现状 | 第11-15页 |
| 1.2.1 三维重建方法 | 第11-13页 |
| 1.2.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的主要内容和组织架构 | 第15-17页 |
| 第2章 计算机视觉三维重建原理及研究方案 | 第17-22页 |
| 2.1 基于计算机视觉的三维重建 | 第17-18页 |
| 2.2 基于 Kinect 与 EKF-SLAM 的相关原理及研究方案 | 第18-21页 |
| 2.2.1 相关原理简介 | 第18-20页 |
| 2.2.2 三维重建研究方案 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于 EKF 的单目视觉 SLAM | 第22-44页 |
| 3.1 SLAM 系统中的视觉路标提取及匹配 | 第22-33页 |
| 3.1.1 Harris 角点检测 | 第23-25页 |
| 3.1.2 SIFT 角点检测 | 第25-27页 |
| 3.1.3 SURF 角点检测 | 第27-28页 |
| 3.1.4 FAST 角点检测 | 第28-31页 |
| 3.1.5 归一化互相关匹配 | 第31-33页 |
| 3.2 基于扩展卡尔曼滤波的 SLAM 算法 | 第33-35页 |
| 3.3 单目视觉 SLAM 系统模型的建立 | 第35-40页 |
| 3.3.1 SLAM 系统中的坐标转换 | 第35-38页 |
| 3.3.2 基于 EKF 的单目视觉 SLAM 系统框架 | 第38-40页 |
| 3.4 基于 EKF 的单目视觉 SLAM 的实验结果及分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 三维重建框架及对比方案 | 第44-56页 |
| 4.1 Kinect 工作原理 | 第44-48页 |
| 4.1.1 Kinect 的标定 | 第45-47页 |
| 4.1.2 Kinect 红外摄像机坐标系下深度的计算 | 第47-48页 |
| 4.2 基于 Kinect 与 EKF-SLAM 三维重建框架 | 第48-52页 |
| 4.3 对比方案 | 第52-55页 |
| 4.3.1 基于 Kinect 与光流跟踪算法的三维重建 | 第52-54页 |
| 4.3.2 基于 SFM 算法的三维重建 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 实验结果与分析 | 第56-63页 |
| 5.1 利用 Kinect 获取室内深度图像数据 | 第56-58页 |
| 5.1.1 OpenNI 获取深度图像和彩色图像 | 第56-58页 |
| 5.2 实验结果分析及对比 | 第58-62页 |
| 5.2.1 基于 Kinect 与 EKF-SLAM 三维重建实验结果 | 第58-59页 |
| 5.2.2 与基于 Kinect 与光流跟踪算法的三维重建结果的对比 | 第59-61页 |
| 5.2.3 与基于 SFM 算法三维重建结果的对比 | 第61-62页 |
| 5.3 小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第70页 |
